app.py

import gradio as gr
from transformers import pipeline

# Definir contexto para lenguaje explícito o formal
contexto_explicito = "Esta es una conversación informal en la que es aceptable el uso de lenguaje explícito si el tema lo amerita."
contexto_formal = "Esta es una conversación formal y no se debe usar lenguaje explícito."

# Cargar el modelo GPT-2 en español
generator = pipeline('text-generation', model='PlanTL-GOB-ES/gpt2-large-bne')

# Función para manejar la respuesta del chatbot con control de contexto
def chatbot_response(input_text):
    print(f"Entrada recibida: {input_text}")  # Log para verificar la entrada

    try:
        # Verificar si el input tiene palabras o temas sensibles que permitirían lenguaje explícito
        if any(palabra in input_text.lower() for palabra in ["sexo", "relaciones", "adultos"]):
            prompt = f"{contexto_explicito} {input_text}"
        else:
            prompt = f"{contexto_formal} {input_text}"
        
        # Generar respuesta con ajustes de parámetros para mejorar la coherencia
        outputs = generator(prompt, 
                            max_length=50,  # Limitar la longitud de la respuesta
                            num_return_sequences=1, 
                            do_sample=True, 
                            top_k=50,       # Limitar a las 50 palabras más probables
                            top_p=0.95,     # Muestreo por núcleo
                            temperature=0.7) # Controlar la creatividad del modelo
        
        response = outputs[0]['generated_text']
        print(f"Respuesta generada: {response}")  # Log para verificar la salida
        return response
    
    except Exception as e:
        print(f"Error generado: {str(e)}")  # Log para registrar cualquier error
        return f"Error: {str(e)}"

# Crear la interfaz del chatbot con Gradio
iface = gr.Interface(fn=chatbot_response, inputs="text", outputs="text", title="Chatbot Contextual")

# Ejecutar la aplicación
iface.launch()